基于多角度遥感的植被指数与叶面积指数的线性关系研究

以辐射传输方程PROSAIL为基础,模拟不同观测天顶角和不同叶面积指数(LAI)下的植被冠层光谱。利用模拟的冠层光谱构建3种常用的植被指数,并分析不同观测天顶角下叶面积指数变化对3种植被指数的影响。结果表明,MSR能较好解决由于LAI变化而引起的饱和现象。观测天顶角为-30°时,3种植被指数与叶面积指数的线性关系较30°和0°时好。     

引黄灌区水稻叶面积指数的高光谱估测模型

水稻叶面积指数（leaf area index,LAI）是评价其长势的重要农学参数,高光谱遥感能够实现叶面积指数的快速无损监测。为了寻找反演水稻LAI的最优植被指数,扩展水稻LAI高光谱估测模型的普适性,选取宁夏引黄灌区水稻为研究对象,通过设置不同氮素处理,借助相关分析、回归分析等方法研究高光谱植被指数与水稻LAI之间的定量关系,并通过确立的最优波段组合,构建4种植被指数与水稻LAI的高光谱反演模型。结果表明,水稻LAI在抽穗末期达到最大值,并随氮素水平的增加而增加;水稻冠层原始光谱反射率在400~722 nm和1 990~2 090 nm波段与LAI达到极显著负相关水平,在近红外区域760~1 315 nm与LAI呈极显著正相关。模型检验结果表明,以比值植被指数RVI（_850,750）为变量建立的水稻LAI估测模型最佳,研究结果可为水稻LAI的高光谱估测提供地域参考。     

基于冠层反射光谱的水稻产量预测模型

基于地面实测的水稻冠层反射光谱,计算了常用的8个植被指数,并在产量形成生理特征的基础上,系统分析了水稻籽粒产量及其构成因素与各植被指数之间的关系。结果表明,通过单一生育时期或某个生育阶段的光谱植被指数来直接估测产量精度较低。发现叶面积氮指数(叶片氮百分含量与叶面积指数的乘积)的变化趋势很好地反映了产量的形成过程,且与光谱植被指数极显著正相关,基于此建立了水稻的光谱植被指数-累积叶面积氮指数-产量估测模型(VICLANIYieldModel)。并将其与LAD-产量模型、多生育期复合估产模型进行了比较,表明本模型预测精度最高。     

小麦生物量和真实叶面积指数的高光谱遥感估算模型

利用大田小麦的参数数据和冠层光谱数据,基于光谱一阶微分技术和光谱响应函数,构建等效MODIS植被指数,建立小麦生物量(本文指总干生物量,下同)和真实叶面积指数的高光谱遥感估算模型.结果表明:①小麦生物量与冠层光谱在552 nm,721 nm处呈现最显著相关关系,叶面积指数与冠层光谱的相关性在400～1100 nm范围内较显著;②红边位置与生物量的关系最为显著,相关系数R为0.818;③6种等效MODIS植被指数中,增强型植被指数对生物量最为敏感;④红边位置估算小麦总生物量的指数模型最优,决定系数R2为0.829;⑤增强型植被指数与小麦叶面积指数的指数模型拟合度最强,决定系数R2为0.94.利用实测光谱模拟MODIS等效反射率构建植被指数反演小麦参数的方法,可为利用卫星数据进行大面积、无破坏和及时获取地面植被信息研究提供重要手段.     

多光谱多角度遥感数据综合反演叶面积指数方法研究

叶面积指数是陆地生态系统的一个十分重要的结构参数。用遥感数据求取叶面积指数可以利用光谱的信息,比如通过植被指数来拟合一个经验关系,但很多植被指数明显受土壤背景的影响,对于有明显行结构的农作物,土壤的影响很难消除,植被指数的方法误差较大。多角度遥感包含了大量的地面目标的立体结构信息,具备求解植被特征参数的潜力,但通常多角度遥感反演对光谱信息的利用不足。与以往的反演方法相区别,该文利用行播作物二向反射模型,将多角度与多光谱数据结合进行行播作物LAI反演实验,并对反演算法进行了详细的敏感性分析实验,结果表明采用多角度、多光谱遥感数据相结合的方法可以有效反演行播作物的叶面积指数。     

线性回归模型估算水稻叶片叶绿素含量的适宜性分析

利用PROSPECT模型模拟水稻叶片叶绿素含量从20．0μg/cm^2变化到40．0μg／cm^2时的叶片光谱特性，利用FCR模型模拟叶面积指数(LAI)为1，2，…，7时，不同地面状态下，4个不同观测方向的水稻冠层反射率。利用LAI为1，3，5，7时的模拟值，采用多元逐步回归分析法，从不同观测方向建立叶片叶绿素含量与冠层反射率(见)及其变化式ln(1／Rλ)，R’λ的多元线性回归模型，并用复相关系数和均方根差评价拟合精度，认为ln(1／Rλ)以及从天顶方向的拟合效果最好。利用从天顶方向建立的回归模型，预测叶片叶绿素含量，认为将该回归模型应用于其它方向是不合适的，从天顶方向预测时，预测精度受地面状态的影响，但总的说来，预测精度呈现随LAI的增大而提高的趋势。     

基于主成分分析的植被指数与叶面积指数相关性研究

综合分析了玉米叶面积指数与几种常见光谱植被指数相关性,确定主成分分析方法在反演叶面积指数中的作用。首先,借助MATLAB编程软件,以植被指数与玉米叶面积指数相关性最高为原则,选出遥感影像上各种植被指数,其波段组合为NDVI(752.4/701.5),RVI(752.4/701.5),MSR(752.4/701.5),SAVI(823.7/701.5),MSAVI(823.7/701.5),然后,对这5种植被指数进行主成分分析,建立LAI-VI多元逐步回归模型,并对模型精度进行验证,总体估测精度为96.237%。经实验验证,利用主成分分析方法在反演植被叶面积指数时能够起到较好的效果,具有广泛的应用前景。     

高光谱数据与水稻叶面积指数及叶绿素密度的相关分析

分析了北京大屯科技站水稻叶面积指数 (LAI)、叶绿素密度 (CH .D)与高光谱分辨率遥感数据在整个生育期内的变化过程。利用微分技术处理水稻群体反射光谱以减少土壤等低频背景光谱噪音的影响。通过单相关分析和逐步回归方法研究水稻LAI、CH .D分别与光谱反射率、反射率的一阶微分光谱的相关关系 ,并建立预测回归方程。结果表明 ,微分技术能够改善光谱数据与LAI、CH .D的相关性 ,CH .D与光谱数据的相关明显优于同LAI的。     

基于主成分分析和BP神经网络的法国梧桐叶绿素含量高光谱反演研究

利用ASD便携式野外光谱仪和SPAD-502叶绿素计实测了落叶阔叶树法国梧桐叶片的高光谱反射率与叶片绿度,并对原始光谱反射率及一阶导数光谱与叶片绿度进行了相关分析;综合分析了10个常见光谱植被指数与法国梧桐叶绿素含量的相关性与预测性;最后利用主成分分析对光谱数据进行降维,将得到的主成分得分作为BP人工神经网络模型的输入变量进行了法国梧桐叶绿素含量的估算。结果表明:法国梧桐的叶片反射光谱数据与叶绿素含量的相关性在可见光区域显著,导数光谱数据在绿黄光区和红光区的部分波段与叶绿素含量的相关系数大于对应波段光谱反射率与叶绿素含量的相关关系。在所列举的10个常用植被指数中归一化植被指数与叶绿素含量的关系最密切,相关系数达到了0.7957。主成分分析的BP神经网络模型可以容纳更多的波段信息进行叶绿素含量的估算,预测值与实测值之间的线性回归的确定性系数R2为0.9883,是一种良好的植被叶绿素含量高光谱反演模式。     

基于NDVI与LAI的水稻生长状况研究

在水稻反射光谱特性与水稻生物参数关系的支持下，以吉林省德惠市夏家点镇为研究区，探讨了一条基于TM遥感影像反演得到的归一化植被指数(NDVI)与地面观测数据叶面积指数(LAI)的水稻生长状况的研究途径，并利用NDVI以及LAI对该区2000年和2001年的水稻生长状况进行了分析研究。     

冠层反射光谱对植被理化参数的全局敏感性分析

植被理化参数与许多有关植物物质能量交换的生态过程密切相关,定量分析植被反射光谱对理化参数的敏感性是遥感反演理化参数含量的前提。本文采用EFAST(Extended Fourier Amplitude Sensitivity Test)全局敏感性分析方法,利用PROSAIL辐射传输模型分析了冠层疏密程度对叶片生化组分含量、冠层结构以及土壤背景等多种参数敏感性的影响,并对植被理化参数反演所需先验知识的精度问题进行了初步探讨。研究表明:(1)对于较为稠密的冠层,可见光波段的冠层反射率主要受叶绿素含量的影响,近红外和中红外波段的冠层反射率主要受干物质量和含水量的影响;(2)对于稀疏的冠层,LAI是影响400—2500 nm波段范围内冠层反射率的最重要参数,土壤湿度次之,叶片生化参数对冠层反射率的敏感性较低;(3)在已知稀疏冠层LAI的情况下进一步确定土壤的干湿状态,可显著提高冠层反射率对叶绿素含量的敏感度,有助于稀疏冠层叶绿素含量的反演。     

不同传感器的模拟植被指数对水稻叶面积指数的估测精度和敏感性分析

本研究利用水稻冠层高光谱数据,模拟NOAA-AVHRR,Terra-MODIS和Landsat-TM的可见光波段反射率数据,计算各传感器的多种植被指数(NDVI,RVI,EVI,GNDVI,GRVI和Red-edge RVI),比较植被指数模型对水稻LAI的估测精度,分析不同植被指数对LAI变化的敏感性.相对于红波段植被指数,红边比值植被指数(Red-edge RVI)和绿波段指数GRVI与LAI有更好的线性相关关系,而GNDVI和LAI呈现更好的对数相关关系.MODIS的Red-edge RVI指数不仅模型拟合的精度最高,还有独立数据验证的估测精度也最高,而且它的验证精度较拟合精度下降幅度最小;其次是绿波段构建的GNDVI和GRVI植被指数的估测精度,再次是NDVI和EVI的估测精度,而RVI的估测精度最差.敏感性分析发现,13个植被指数对水稻LAI的估测能力都随着LAI的增加而下降,但归一化类植被指数和比值类植被指数对LAI变化反应的差异明显,归一化类植被指数在LAI较低时(LAI<1.5)对LAI变化的反应开始非常敏感,但迅速下降,而比值类植被指数在LAI较低时,明显小于归一化类植被指数,之后随着LAI的增大(LAI>1.5)比值类植被指数对LAI的变化敏感性,则明显高于归一化类植被指数.Red-edge RVI和绿波段指数GRVI和LAI不仅表现了很好的线性相关关系,而且在LAI大于2.9左右保持较高的敏感性.     

双冠层反射率模型分析各向异性平整指数(AFX)对植被参数的敏感性

二向反射分布函数包含地表反射的方向性特征信息。研究二向反射分布函数BRDF(Bidirectional Reflectance Distribution Function)形状对植被结构参数的敏感性,有助于理解植被的二向性反射规律,进而反演植被参数。本文耦合双冠层反射率模型和核驱动的罗斯厚核-李氏稀疏互易核模型,利用EFAST全局敏感性分析方法,以各向异性平整指数为BRDF形状变化的衡量指标,研究了不同天空光比例(SKYL)下,各向异性平整指数AFX对植被参数敏感度的变化,以及SKYL=0.1时AFX的敏感性。结果表明:(1)在红波段,上、下层叶面积指数、上层叶绿素含量,以及上层叶倾角分布是AFX的敏感参数,在近红外波段,上、下层叶面积指数LAI是AFX的敏感参数。(2)冠层尺度上的参数敏感度总体大于叶片尺度。(3)晴天时(SKYL=0.1),红波段主敏感度较大的参数分别是上层LAI、上层叶倾角分布和下层叶片结构参数,近红外波段主敏感度较大的参数主要是上、下层LAI。     

Analysis of common canopy vegetation indices for indicating leaf nitrogen accumulations in wheat and rice

The common spectra wavebands and vegetation indices (VI) were identified for indicating leaf nitrogen accumulation (LNA), and the quantitative relationships of LNA to canopy reflectance spectra were determined in both wheat (Triticum aestivum L.) and rice (Oryza sativa L.). The 810 and 870 nm are two common spectral wavebands indicating LNA in both wheat and rice. Among all ratio vegetation indices (RVI), difference vegetation indices (DVI) and normalized difference vegetation indices (NDVI) of 16 wavebands from the MSR16 radiometer, RVI (870, 660) and RVI (810, 660) were most highly correlated to LNA in both wheat and rice. In addition, the relations between VIs and LNA gave better results than relations between single wavebands and LNA in both wheat and rice. Thus LNA in both wheat and rice could be indicated with common VIs, but separate regression equations are better for LNA monitoring.     

Modelling the spectral response of the desert tree Prosopis tamarugo to water stress

In this paper, we carried out a laboratory experiment to study changes in canopy reflectance of Tamarugo plants under controlled water stress. Tamarugo (Prosopis tamarugo Phil.) is an endemic and endangered tree species adapted to the hyper-arid conditions of the Atacama Desert, Northern Chile. Observed variation in reflectance during the day (due to leaf movements) as well as changes over the experimental period (due to water stress) were successfully modelled by using the Soil-Leaf-Canopy (SLC) radiative transfer model. Empirical canopy reflectance changes were mostly explained by the parameters leaf area index (LAI), leaf inclination distribution function (LIDF) and equivalent water thickness (EWT) as shown by the SLC simulations. Diurnal leaf movements observed in Tamarugo plants (as adaptation to decrease direct solar irradiation at the hottest time of the day) had an important effect on canopy reflectance and were explained by the LIDF parameter. The results suggest that remote sensing based assessment of this desert tree should consider LAI and canopy water content (CWC) as water stress indicators. Consequently, we tested fifteen different vegetation indices and spectral absorption features proposed in literature for detecting changes of LAI and CWC, considering the effect of LIDF variations. A sensitivity analysis was carried out using SLC simulations with a broad range of LAI, LIDF and EWT values. The Water Index was the most sensitive remote sensing feature for estimating CWC for values less than 0.036 g/cm², while the area under the curve for the spectral range 910–1070 nm was most sensitive for values higher than 0.036 g/cm². The red-edge chlorophyll index (CI_red-edge) performed the best for estimating LAI. Diurnal leaf movements had an effect on all remote sensing features tested, particularly on those for detecting changes in CWC.     

Vegetation图像植被指数与实测水稻叶面积指数的关系

水稻的叶面积指数 (LAI)是水稻生长的一项重要参数 ,与水稻的生物量与产量直接相关。利用 1999年在江苏省江宁县实测的水稻叶面积指数与同期Vegetation/SPOT的植被指数作了对比分析 ,结果发现同期的LAI与植被指数表现相近的变化特征 ,两者具有良好的相关关系。     

Non-destructive estimation of potato leaf chlorophyll from canopy hyperspectral reflectance using the inverted PROSAIL model

Optimizing nitrogen (N) fertilization in crop production by in-season measurements of crop N status may improve fertilizer N use efficiency. Hyperspectral measurements may be used to assess crop N status by estimating leaf chlorophyll content. This study evaluated the ability of the PROSAIL canopy-level reflectance model to predict leaf chlorophyll content. Trials were conducted with two potato cultivars under different N fertility rates (0–300 kg N ha⁻¹). Canopy reflectance, leaf area index (LAI) and leaf chlorophyll and N contents were measured. The PROSAIL model was able to predict leaf chlorophyll content with reasonable accuracy later in the growing season. The low estimation accuracy earlier in the growing season could be due to model sensitivity to non-homogenous canopy architecture and soil background interference before full canopy closure. Canopy chlorophyll content (leaf chlorophyll content × LAI) was predicted less accurately than leaf chlrophyll content due to the low estimation accuracy of LAI for values higher than 4.5.     

植被冠层光谱和叶片光谱的尺度转换

叶片光谱是估算植被生化参数的重要依据。然而,遥感影像获取的光谱为像元及冠层光谱,因此,在进行植被生化参数的遥感定量估算时,需将冠层光谱转化到叶片尺度。根据几何光学模型原理,推导出植被冠层光谱和叶片光谱的尺度转换函数,将冠层光谱转换到叶片尺度。首先,采用叶片光谱模拟模型PROSPECT模拟出叶片水平的光谱;其次,在几何光学模型4-scale模型中,通过改变叶片光谱和叶面积指数（leaf area index,LAI）,模拟出不同叶片特征下的冠层光谱。最后,通过LAI建立两个查找表,一个是传感器观测到树冠光照面和背景光照面概率的查找表,另一个是多次散射因子M的查找表,从而实现冠层光谱和叶片光谱的转化。结果表明,利用4-scale模型能实现冠层光谱与叶片光谱的尺度转换,此方法有很好的适用性。     

Retrieval of boreal forest LAI using a forest reflectance model and empirical regressions

Spectral invariants provide a novel approach for characterizing canopy structure in forest reflectance models and for mapping biophysical variables using satellite images. We applied a photon recollision probability (p) based forest reflectance model (PARAS) to retrieve leaf area index (LAI) from fine resolution SPOT HRVIR and Landsat ETM+ satellite data. First, PARAS was parameterized using an extensive database of LAI-2000 measurements from five conifer-dominated boreal forest sites in Finland, and mixtures of field-measured forest understory spectra. The selected vegetation indices (e.g. reduced simple ratio, RSR), neural networks and kNN method were used to retrieve effective LAI (L_e) based on reflectance model simulations. For comparison, we established empirical vegetation index-LAI regression models for our study sites. The empirical RSR–L_e regression performed best when applied to an independent test site in southern Finland [RMSE 0.57 (24.2%)]. However, the difference to the best reflectance model based retrievals produced by neural networks was only marginal [RMSE 0.59 (25.1%)]. According to this study, the PARAS model provides a simple and flexible modelling tool for calibrating algorithms for LAI retrieval in conifer-dominated boreal forests. The advantage of PARAS is that it directly uses field measurements to parameterize canopy structure (LAI-2000, hemispherical photographs) and optical properties of foliage and understory.